Analiza zmian potencjału technicznych środków produkcji gospodarstw rolnych w gminach Polski południowej

INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS Nr 9/2009, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 229–240

Komisja Technicznej Infrastruktury Wsi

Jakub Sikora

ANALIZA ZMIAN POTENCJAŁU TECHNICZNYCH

ŚRODKÓW PRODUKCJI GOSPODARSTW ROLNYCH

W GMINACH POLSKI POŁUDNIOWEJ

____________

THE ANALYSIS OF CHANGES AT TECHNICAL MEANS

OF PRODUCTION POTENTIAL IN AGRICULTURAL

FARMS IN SOUTH OF POLAND

Streszczenie

Wpływ infrastruktury technicznej, a w szczególności infrastruktury we-wnętrznej, która jest zawężona i odnosi się do budynków, środków transporto-wych, maszyn i sprzętu rolniczego ma niewątpliwy wpływ na postęp techniczny [Wójcicki, Michałek 2002; Machowski 1998]. Wg Daelemansa [1992] „Dobre wyposażenie w maszyny nie jest najlepszym rozwiązaniem problemu mechaniza-cji prac, gdyż ważną rolę odgrywa wielkość gospodarstwa”. W Polsce w roku 2004 funkcjonowało około 1,8 mln gospodarstw rolnych o powierzchni powyżej 1 ha. Średnia powierzchnia gospodarstwa rolnego systematycznie zwiększa się i wynosi obecnie 10,02 ha [http://www.arimr.gov.pl]. Rolnictwo w Polsce jest zróżnicowane regionalnie pod względem poziomu kultury rolnej i intensywności produkcji. Przeważają gospodarstwa rodzinne, ekstensywne nastawione na wielo-kierunkową produkcję. Charakteryzują się one niską towarowością produkcji. Li-czebnie dominują gospodarstwa małe, o powierzchni 1–5 ha. Stanowią one ponad 50% ogólnej liczby gospodarstw, ale zajmują tylko około 20% użytków rolnych. Gospodarstwa powyżej 10 ha, stanowią również 20%, ale uprawiają ponad 60% powierzchni użytków rolnych. Największe rozdrobnienie gospodarstw indywidu-alnych odnotowuje się w południowej i południowo-wschodniej części kraju. Ko-rzystniejsza struktura agrarna występuje w Polsce północnej [Tabor 2001]. Na południu Polski średnie gospodarstwo ma 3,3 ha użytków rolnych (woj. małopol-skie), na północnym zachodzie ponad 26 ha użytków rolnych (woj. zachodniopo-morskie). Prognozowane w różnych pracach naukowych przemiany agrarne zakładają zmniejszenie liczby gospodarstw rolniczych (powyżej 1 ha UR) do 212 tys. w 2020 r. i w następnych latach do 70 tys. w 2025 r. Spowodowane to będzie postępującą koncentracją ziemi i dalszym powiększaniem się średniego

obszaru gospodarstw [Wójcicki 2002]. Instrumentem pozwalającym na poprawę tej struktury jest scalenie gruntów, które przyczynia się także do trwałego rozwoju obszarów wiejskich, w tym stworzenia korzystniejszych warunków gospodarowa-nia w rolnictwie i leśnictwie, przez poprawę rozłogu gospodarstw i wyposażenie urządzanych obszarów w systemy infrastruktury technicznej i społecznej.

Celem pracy było określenie zmian zachodzących w przestrzennym roz-mieszczeniu potencjału wyposażenia wybranych środków technicznych gospo-darstw rolnych na poziomie gmin. Badaniami objęto makroregion Polski połu-dniowej i południowo-wschodniej.

Słowa kluczowe: wyposażenie w środki techniczne, rozmieszczenie przestrzenne, wskaźnik syntetyczny

Summary

The influence of the technical infrastructure, and the internal infrastructure,

which is narrow and refers to the buildings, means of transport, machinery and agricultural equipment, has a definite influence on the technical progress [Wo-jcicki, Michalek 2002; Machowski 1998]. Daelemans [1992] said that „good

equipment in machines is not the best solution of the problem of the mechanization works, because the size of the farm is the important part of it”. In 2004 in Poland, there were about 1,8 million agricultural farms with an area exceeding 1 hectare.

The average farm size is increasing systematically and carries out at present 10,02 hectares [http://www.arimr.gov.p from the day 22.09.2009]. Agriculture in Poland is regionally differentiated in terms of level and intensity of agricultural produc-tion. Small farms about the surface 1-5 hectares are predominate. They represent

above 50 percent of total farms number, but they occupy only about 20% arable land. The farms with surface above 10 hectares make up 20% total number of farms, but they cultivate above 60% surface of arable land. The largest

fragmenta-tion of individual farms is noticed in the southern and south-eastern part of the Poland [Tabor 2001]. In the south, the average Polish farm has 3.3 hectares of ar-able land, but in the north-west it’s over 26. Prognose in various scientific works

agrarian transformations found decrease of the number of agricultural farms (above 1 hectare) to 212 thousands in 2020 and in the next years to 70 thousands in 2025 [Wójcicki 2002].

The aim of this study was analysis of changes in spatial arrangement of the potential of technical means at selected farms. The study included communes from southern and south-east of Poland.

Key words: equipment in technical means, spatial analysis, synthetic indicator

WPROWADZENIE

Kluczowym zagadnieniem dla rozwiązania postawionego problemu ba-dawczego jest dobór cech diagnostycznych i sposób ich agregacji. W pracach poświęconych miarom syntetycznym można wielokrotnie napotkać postulat niezależności zmiennych używanych ostatecznie do tworzenia wskaźnika

syn-tetycznego. Z drugiej jednak strony zasady sprawozdawczości statystycznej podają ograniczony zestaw danych statystycznych w skali gmin. Z uwagi więc na koszty badań należy poszukiwać rozwiązań pośrednich, to znaczy poszuki-wać kompromisu pomiędzy podejściem merytorycznym i statystycznym [Dąb-kowski 1998]. Sam przedmiot badań – techniczne wyposażenie gospodarstw rolnych określono jako infrastrukturę wewnętrzną – ogranicza kryterium for-malne na rzecz merytorycznego. Z zestawu dostępnych w statystyce publicznej cech, charakteryzujących infrastrukturę wewnętrzną gospodarstw, wybrano ze-staw zmiennych diagnostycznych, które stanowią podze-stawę klasyfikacji pozio-mu zainwestowania w techniczne środki produkcji gospodarstw rolnych zagre-gowanej do poziomu gmin.

Tabela 1. Zmienne diagnostyczne przyjęte w badaniach Table 1. Diagnostic’s changing received in investigations

Xj Zmienna diagnostyczna Wymiar cechy

X1 Liczba samochodów ciężarowych [szt.·ha-1UR]

X2 Liczba ciągników [szt. ·ha-1UR]

X3 Liczba kombajnów zbożowych [szt. ·100 ha-1[UR]

X4 Liczba kombajnów ziemniaczanych [szt. ·100 ha-1[UR]

X5 Liczba kombajnów buraczanych [szt. ·100 ha-1[UR]

X6 Powierzchnia obór ogółem [m2·ha-1UR]

X7 Powierzchnia innych pomieszczeń [m2·ha-1UR]

X8 Powierzchnia chlewni ogółem [m2·ha-1UR]

X9 Powierzchnia kurników ogółem [m2·ha-1UR]

X10 Powierzchnia stodół ogółem [m2·ha-1UR]

X11 Powierzchnia wiat ogółem [m2·ha-1UR]

X12 Powierzchnia garaży ogółem [m2·ha-1UR]

X13 Powierzchnia budynków wielofunkcyjnych [m2·ha-1UR]

Źródło: Opracowanie własne na podstawie SR

W interpretacji geometrycznej Ω jest zbiorem wierzchołków wektorów w k wymiarowej przestrzeni własności Φ. Punkty te należy rozdzielić na pewną, ustaloną z góry, liczbę grup obiektów podobnych do siebie (homogenicznych, jednorodnych) jednostek należących do pozostałych grup. Punktem wyjścia do wyznaczenia potencjału infrastruktury wewnętrznej gospodarstw rolnych jest budowa wielowymiarowej przestrzeni, opisanej macierzą obserwacji Φ(X) (1). Dla całego obszaru badań macierz ta będzie miała wymiary 509×13 (509 gmin, 13 zmiennych), województwa podkarpackiego 160×13, małopolskiego 182×13 i dla śląskiego 167×13:

= k , n , n , n , n k , , , , k , , , , ] nxk [ x x x x x x x x x x x x X K M M M M M K K 3 2 1 2 3 2 2 2 1 2 1 3 1 2 1 1 1 (1)

Jako formalne kryterium oceny diagnostyczności cech przyjęto współ-czynnik zmienności Vj, obliczony według wzoru (2):

₌

_≥

ε

x

s

V

sj – odchylenie standardowe j-tej zmiennej, j

x

Konstruowanie syntetycznych miar wymaga, aby wybrane cechy miały zmienność wyższą od arbitralnej zadanej liczby ε (przyjmuje się na ogół ε = 0,1) [Woźniak 2001].

CEL I ZAKRES OPRACOWANIA

Do projektowania zmian w wyposażeniu technicznym gospodarstw rol-nych uproszczonymi metodami potrzebne są aktualne zestawy wskaźników, współczynników i innych parametrów liczbowych oraz stałe bazy danych uła-twiające dobór odpowiedniego wariantu produkcji i technologii oraz środków technicznych i budowlanych [Szeptycki, Wójcicki 2003]. Poznanie wpływu przestrzeni na charakter, zmiany i zróżnicowanie nasycenia infrastruktury we-wnętrznej gospodarstw rolnych pozwoli na sprawniejsze planowanie alokacji środków pomocowych w regionach zapóźnionych, a w konsekwencji wyrów-nywanie dysproporcji pomiędzy obiektami – gminami. Da to również możliwość opracowania wieloletnich strategii zrównoważonego rozwoju regionalnego.

METODYKA BADAŃ

Problem klasyfikacji gmin z uwagi na wiele cech i wskaźników, jakimi można opisywać poziom nasycenia infrastrukturalnego, jest typowym proble-mem wielowymiarowej analizy porównawczej. Przytoczyć tu należy pojęcie struktury taksonomicznej jako konfiguracji punktów przestrzeni wielo-wymiarowej, która jest zbiorem obiektów scharakteryzowanych za pomocą

różnych cech. Ustalanie podobieństw między obiektami wymaga wcześniej-szego doprowadzenia cech diagnostycznych do porównywalności. Dokonać tego można poprzez typową procedurę normalizacji zmiennych. Metody anali-zy porównawczej wymagają zastosowania zmiennych wyrażonych w tych sa-mych jednostkach miary i o zbliżonych rzędach wielkości [Kukuła 2000].

Normalizację zmiennych przeprowadza się najczęściej według formuły [Grabiński 1992; Borys 1982; Kukuła 2000]:

(3) gdzie:

zij – znormalizowana wartość zmiennej xj dla i-tego obiektu, xij – wyjściowa wartość j-tej zmiennej,

n – liczba obserwacji,

m – liczba zmiennych,

A, B oraz p – parametry, które w zależności od sposobu normalizacji mogą

przyjmować różne wartości.

Stała B pełni we wzorze funkcję czynnika skalującego, natomiast stała A jest punktem odniesienia, za pomocą którego przesuwa się wartości cech do umownego zera. W literaturze przedmiotu można zauważyć mnogość sposobów przekształceń normalizacyjnych [Nowak 1990; Sobczyk 1995; Strahl i in. 1997]. Wybór formuły normalizacyjnej ma wpływ na końcowe wyniki prowadzonych analiz.

Celem tego zabiegu jest pozbycie się oryginalnych mian cech oraz spro-wadzenie zakresu zmienności do zbliżonych rozmiarów. Dalszy etap polegający na określeniu syntetycznego wskaźnika nasycenia infrastrukturą wewnętrzną wymaga takiego przekształcenia normalizacyjnego.

W zbiorze przyjętych zmiennych diagnostycznych wszystkie zakwalifiko-wano jako stymulanty (ich wyższe wartości pozwalają zakwalifikować dany obiekt jako lepszy pod względem analizowanej cechy).

Jak już wspomniano, celem badań jest dokonanie klasyfikacji polegającej na uporządkowaniu liniowym zbioru elementów Ω za pomocą miary syntetycz-nej opracowasyntetycz-nej na zbiorze własności Θ; to znaczy, na ustaleniu hierarchii li-niowej w tym zbiorze ze względu na przyjęte kryterium reprezentowane przez cechy diagnostyczne. Na tej podstawie dla każdej pary obiektów można stwier-dzić, który z nich jest „lepszy” z punktu widzenia kryterium ogólnego.

Przedstawiona postać syntetycznej miary rozwoju jest oparta na uogólnio-nym pojęciu odległości (dystansu), który można zdefiniować jako odległością dwóch punktów ηl i ηk w przestrzeni m-wymiarowej w ustalonym systemie wag dodatnich [Woźniak 2001].

W badaniach przyjęto, że wagi są dla wszystkich zmiennych takie same, co daje nam znaczenie każdej ze zmiennych syntetycznych takie samo. W badaniach postać syntetycznej miary rozwoju przyjęto za Hellwigiem jako funkcję kwadratową o ogólnej postaci:

(4)

gdzie:

di(1) = d(ηi i η(1)) – odległość między zdezagregowanym poziomem rozwoju i-tego obiektu ηi i zdezagregowanym wzorcem poziomu rozwoju η(1), d(0) (1) = d(η(0) η(1)) – odległość między zdezagregowanym zerowym

pozio-mem rozwoju η(0) i zdezagregowanym wzorcowym poziomem rozwoju η(1),

αj – współczynnik wagowy cechy xj.

Przyjmując w przeprowadzonych badaniach, że αj = 1, nadając każdej zmiennej diagnostycznej jednakową wagę, ostatecznie zagregowaną miarę roz-woju, wyznaczono według wzoru:

(5)

Przyjęty model syntetyzacji cech spełnia postulaty miary unormowanej na <0,1> i porządkuje liniowo obiekty od najgorszej do najlepszej pod względem przyjętych kryteriów. O wartościach funkcji decyduje wartość metryki di(1), tzn. odległości punktu ηi od wzorcowego poziomu rozwoju η(1). Wzrost tej odległości powoduje zmniejszanie globalnego wyniku wartościowania.

Przedstawiona metoda poszukiwania syntetycznej miary opartej na wzorcu rozwoju pozwala na oszacowanie taksonomicznej struktury zbioru gmin jako konfiguracji obiektów w wielocechowej przestrzeni ich własności. Tak rozumia-na struktura obiektów w przestrzennej klasyfikacji pozwala uszeregować obiekty leżące bliżej lub dalej od przyjętego wzorca rozwoju.

Wyznaczona dla każdego obiektu i miara rozwoju qi tworzy wektor agre-gatów w postaci jednokolumnowej macierzy:

⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = n xn q q q P ... 2 1 ] 1 [ (6)

Wektor P[1xn] jest miarą syntetyczną rozwoju umożliwiającą klasyfikację, za pomocą jednej liczby, wielocechowego zjawiska, jakim jest potencjał infra-struktury technicznej gospodarstw w przyjętych do badań gminach. W przepro-wadzanych badaniach dokonanie klasyfikacji obszarów wiejskich przyjęto za Woźniakiem [2001]. Uznano, że zbiór tych obszarów zostanie podzielony na pięć grup, skupiających gminy o podobnych wartościach syntetycznej miary rozwoju. Kryterium przedstawiono w tabeli 2.

Tabela 2. Charakterystyka klasyfikacji obiektów

z uwagi na wartość syntetycznej miary rozwoju

Table 2. Classification of objects according

to the value of the synthetic indicator of the development

Grupa Charakterystyka grupy Zakres zmienności grupy

I obszary o bardzo niskich wartościach_{miary rozwoju} 0 ≤ qi ≤ min {qi} + 0,2R II obszary o niskich wartościach miary_rozwoju min {qi} + 0,2R ≤ qi ≤ min {qi} + 0,4R III obszary o średnich wartościach miary_rozwoju min {qi} + 0,4R ≤ qi ≤ min {qi} + 0,6R IV obszary o wysokich wartościach miary_rozwoju min {qi} + 0,6R ≤ qi ≤ min {qi} + 0,8R

V obszary o bardzo wysokich_{wartościach miary rozwoju} min {qi} + 0,8R ≤ qi ≤ 1

Źródło: Woźniak A. Sikora J. 2005 qi – wartość miary syntetycznej ustalona dla i-tego obiektu

R – rozstęp wartości syntetycznej miary rozwoju

WYNIKI I WNIOSKI

Skonstruowana miara Hellwiga przyjmuje wartości z przedziału 0 : . Dla1 analizowanego całego zbioru (Ω) w przestrzeni cech diagnostycznych w roku 1996 (Φ96`) wartość miary Hellwiga (qi) mieściła się w przedziale qi ∈ 0,023−0,310 . Im wartość qi jest bliższa jedności, przybliża się do obiektu wzorcowego, tym obiekt ze zbioru obiektów (Ω) jest bardziej wyposażony ze względu na poziom wielowymiarowego zjawiska. Najlepszym obiektem okazała się gmina Świętochłowice z województwa śląskiego (qi = max). Gmina ta

uzy-skała wartość miary rozwoju na poziomie 0,310. Obiekt, który zajął pierwsze miejsce w badanej próbie 509 gmin można uznać za wzorcowy dla tego zbioru w przestrzeni własności (Φ96`). Zgodnie z przyjętym założeniem, że optymalny matematyczny wzorzec dążący do jedności, wnioskować można iż gmina, która znalazła się na pierwszym miejscu w ujęciu globalnym, ale daleka jest od ideału. Zważywszy na kolejność zajmowanych miejsc przez poszczególne gminy, oka-zało się że w pierwszej dziesiątce dominowały gminy z woj. śląskiego (pierwsze osiem miejsc). Następne pozycje zajmowały przemiennie gminy z woj. śląskiego i małopolskiego, bowiem dopiero na 151 miejscu odnotowano pierwszą gminę z trzeciego województwa objętego badaniami, tj. podkarpackiego. Stąd wniosek, iż techniczne wyposażenie gospodarstw z tego terenu znacznie odbiega pozio-mem od gmin z dwóch pozostałych województw.

W celu porównania zmian wskaźnika miary rozwoju qi w przestrzeni i w czasie przeprowadzono analizę na zbiorze (Ω) w przestrzeni własności dla roku 2002 (Φ02`). Wartości miary agregatowej w odniesieniu do całego zbioru w roku 2002 mieściły się w przedziale qi ∈ 0,009−0,311 (tab. 3). Przeprowa-dzona analiza porównawcza w roku 2002 pozwoliła określić kierunek zmian poziomu wyposażenia gospodarstw w odniesieniu do roku 1996. W przestrzeni zmiennych diagnostycznych z roku 2002 wartość miary rozwoju Hellwiga w gminie uplasowanej na pierwszym miejscu była bardzo zbliżona do wartości uzyskanej w roku 1996 (1996 qi = 0,310; 2002 qi = 0,311). Największe spadki zanotowały gminy z województwa śląskiego, które zajmowały wysokie miejsca w 1996 roku. Najwyższy rozwój zanotowały w ciągu sześciu lat gminy z woje-wództwa małopolskiego. W wielu gminach z wojewoje-wództwa podkarpackiego nastąpiła poprawa stanu wyposażenia gospodarstw rolnych w techniczne środki produkcji. Obiekty te zajmują środkowe pozycje, ale nadal jeszcze wiele gmin z tego województwa jest na ostatnich miejscach w analizowanym zbiorze.

W celu przestrzennego zobrazowania rozkładu występowania miary agre-gatowej, na rysunkach 1 i 2 zamieszczono podział administracyjny badanego regionu według przebiegających granic gmin. Aby wykazać zróżnicowanie re-gionalne w zależności od wartości wskaźnika miary rozwoju przyjęto pięć prze-działów, które w największym stopniu odzwierciedlają rozkład nasycenia bada-nych gmin w wybrane środki techniczne, będące na wyposażeniu gospodarstw rolnych. Obliczone one zostały na podstawie formuł zamieszczonych w tabeli 2. Rysunki 1, 2 oraz tabela 3 przedstawiają przestrzenny rozkład występowa-nia agregatowej miary rozwoju w roku 1996 (Φ96`) i 2002 (Φ02`).

W roku 2002 przeprowadzone badania wykazały, iż liczebność poszcze-gólnych przedziałów uległa zmianie. Dotyczy to m.in. przedziału najmniej roz-winiętych obiektów (pod względem potencjału wewnętrznej infrastruktury go-spodarstw rolnych – przedział pierwszy), tutaj bowiem nastąpił wzrost liczby gmin do 198 (tab. 3). W grupie tej wzrósł udział gmin z terenu woj.

podkarpac-kiego do 92,5%, co jest niewątpliwie skutkiem pogorszenia się rentowności gospodarstw niskotowarowych. W gospodarstwach tych następuje stopniowe odejście od produkcji towarowej, czego następstwem jest systematyczne wy-przedawanie zarówno posiadanych środków technicznych, jak również ziemi. Innej przyczyny należy upatrywać w tym, iż powiększaniu powierzchni użytków rolnych rzadko towarzyszyła poprawa ilościowego wyposażenia w środki tech-niczne, co z pewnością jest jednym z elementów modernizacji gospodarstw rol-nych.

Tabela 3. Charakterystyka badanych gmin pod względem wskaźnika syntetycznego Table 3. Classification of communities according to synthetic indicator

Udział gmin z poszczególnych woj.

w grupie [%]

Udział zajmowanej powierzchni przez gminy z danej grupy

w woj. [%] Grupy Liczba gmin_{w grupie}

Udział grup w zbiorze Ω [%] M P Ś Ogólna powie-rzchnia grupy [tys. km2_] M P Ś 1996 0,023-0,053 160 31,5 6,3 85,0 8,7 18,11 6,6 86,7 6,7 0,053-0,078 124 24,4 44,3 15,4 40,3 11,31 44,4 17,4 38,1 0,078-0,106 156 30,6 57,0 3,2 39,8 11,67 59,9 2,1 38,0 0,106-0,180 59 11,6 44,1 0 55,9 3,95 46,3 0,0 53,7 0,180-0,310 10 1,9 20 0 80 0,47 30,2 0,0 69,8 2002 0,010-0,045 198 38,9 11,2 74,7 14,1 21,8 11,1 79,2 9,7 0,045-0,076 134 26,3 57,5 8,2 34,3 10,6 60,4 5,5 34,1 0,076-0,113 112 22,0 46,4 0,9 52,7 2,1 46,6 0,9 52,6 0,113-0,164 51 10,0 43,1 0,0 56,9 4,0 46,7 0,0 53,3 0,164-0,312 14 2,8 64,3 0,0 35,7 1,1 70,3 0,0 29,7

Źródło: Badania własne

gdzie: M – woj. małopolskie, P – woj. podkarpackie, Ś – woj. śląskie.

Zgodnie z uzyskanymi wartościami wskaźnika miary rozwoju gminy z woj. podkarpackiego znalazły się tylko w trzech pierwszych grupach.

Należy również zauważyć, iż w porównaniu do roku 1996 wzrosła liczba gmin w ostatniej z grup.

Zważywszy na udział gmin z poszczególnych województw w piątej grupie w roku 2002 struktura ta uległa znacznej zmianie w porównaniu do 1996 roku, w obrębie województw śląskiego i małopolskiego. Okazało się bowiem, że obiekty zlokalizowane na terenie woj. śląskiego uległy mało korzystnemu prze-sunięciu do czterech pierwszych grup. W przypadku gmin z woj. małopolskiego

odnotowano sytuację odwrotną. Taki stan rzeczy potwierdza wyniki wielu z autorów prowadzących badania na terenie Małopolski, gdzie pomimo bardzo dużego rozdrobnienia struktury agrarnej (średnia powierzchni UR ok. 2,5 ha) w ostatnich latach nastąpiła znaczna intensyfikacja produkcji rolniczej, co spo-wodowało przyspieszenie procesu modernizacji zaplecza technicznego [Kowal-ski i in. 2002, Michałek i in. 1998; Szeląg-Sikora, Wojciech 2007].

Analizując rozkład przestrzenny występowania syntetycznego wskaźnika uzyskanego ze zmiennych diagnostycznych w roku 1996, można zaobserwować bardzo mocne klastrowanie się obiektów z grupy piątej, tj. w najmniejszym stopniu rozwiniętych pod względem technicznych środków produkcji w gospodarstwach rolnych. Rozpatrując omawianą grupę w obrębie woj. pod-karpackiego, można zaobserwować wzorce przestrzenne z grup wyższych wciętych w zwarty klaster (rys. 1). Obiekty z grupy drugiej w tym wojewódz-twie w przeważającym stopniu stanowią pojedyncze gminy i nie były wzorcami przyciągania gmin o podobnym stopniu rozwoju. Wyjątek stanowiły gminy z tej grupy zlokalizowane w obrębie dwóch dużych aglomeracji tego województwa, tj. gminy rzeszowskiej i przemyskiej. Obiekty z grupy trzeciej występowały na terenie woj. podkarpackiego, stanowiąc wzorce przestrzenne i przyciągały gmi-ny z grupy drugiej, tworząc klastry przestrzenne wokół wzorców.

Wizualizacja rozkładu wskaźnika syntetycznego wyposażenia zaplecza technicznego gospodarstw rolnych na poziomie gmin z roku 2002 zamieszczona została na rysunku 2. W przypadku województwa podkarpackiego uzyskane wyniki z roku 2002 są niemal potwierdzeniem sytuacji z roku 1996. Na terenie województw śląskiego i małopolskiego jest widoczne poszerzenie się klastrów z grupy czwartej i piątej, nastąpiło zaś zaniknięcie klastrów grup charakteryzują-cych się najniższym stopniem rozwoju. Gminy z grupy pierwszej występują zazwyczaj pojedynczo, tworząc tym samym antywzorce przestrzenne.

Gminy z piątej grupy, czyli te o najwyższym stopniu rozwoju, w sumie w roku 2002 zajmowały powierzchnię 1,1 tys. km2_{.Była ona większa ponad dwa} razy w porównaniu do 1996 roku. Wzrost ten szczególnie wystąpił w grupie gmin z Małopolski, gdzie ich łączna powierzchnia wzrosła o 0,5 tys. km2_. Anali-za obu rysunków pozwala Anali-zauważyć zjawisko łączenia się („klejenia”) jednostek w większe, zwarte przestrzennie grupy. Obserwacja ta pozwala przypuszczać istnienie statystycznego związku pomiędzy sąsiednimi gminami w zależności od poziomu nasycenia infrastrukturą wewnętrzną gospodarstw rolnych zlokalizo-wanych na terenie objętym badaniami. Tym samym daje to podstawę do poszu-kiwania szczegółowych statystycznych powiązań między obiektami przestrzen-nymi oraz określenia siły i odległości oddziaływania pomiędzy nimi.

Źródło: Badania własne

Rysunek 1. Nasycenie i przestrzenne zróżnicowanie infrastrukturą techniczną

gospodarstw wiejskich według miary rozwoju uzyskane na podstawie zmiennych z roku 1996

Figure 1. Saturation and spatial variety of the technical infrastructure of rural households

according to the measure of the development got on the basis of data from 1996

Źródło: Badania własne

Rysunek 2. Nasycenie i przestrzenne zróżnicowanie infrastrukturą techniczną

gospo-darstw wiejskich według miary rozwoju uzyskane na podstawie zmiennych z roku 2002

Figure 2. Saturation and spatial variety of the technical infrastructure of rural households

BIBLIOGRAFIA

Borys T. Przedmiot i podział statystyki i ekonometrii – artykuł dyskusyjny. Wiadomości staty-styczne, 5, 1982.

Daelemans J. Justified mechanization in forming. CIOSTA-CIGR V Sem. Proceed. Gyongyos, Hangary. 1992, s. 82–88.

Dąbkowski J. Metoda oceny postępu technicznego w rolnictwie z zastosowaniem analizy

wielo-wymiarowej. Zesz. Nauk. Ar Kraków, rozprawa nr 242, 1998.

Grabiński T. Metody taksonometrii. Wydawnictwo AE w Krakowie, Kraków 1992.

Kowalski J. i in. Postęp naukowo-techniczny a racjonalna gospodarka energią w produkcji rolni-czej. Projekt Badawczy KBN. Kraków 2002.

Kukuła K. Metoda unitaryzacji zerowanej. Wydawnictwo Naukowe PWN Warszawa 2000. Machowski E. Wybrane zagadnienia infrastruktury technicznej w organizacji produkcji rolniczej.

Filia AR w Krakowie, Rzeszów 1998.

Michałek R. i in. Uwarunkowania techniczne rekonstrukcji rolnictwa. PTIR Kraków 1998. Nowak E. Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych. PWN

War-szawa 1990.

Sobczyk M. Statystyka. PWN Warszawa 1995.

Strahl D. i in. Normalizacja zmiennych w skali przedziałowej i ilorazowej w referencyjnym

syste-mie granicznym. Przegląd Statystyczny, z. 1. PWN Warszawa 1997.

Szeląg-Sikora A., Wojciech J. Struktura obszarowa gospodarstw rolnych a wpływ poziomu

wyko-rzystania funduszy unijnych na wyposażenie w park maszynowy. Inżynieria Rolnicza

nr 6(94). PTIR Kraków, 2007, s. 242–247.

Szeptycki A., Wójcicki Z. Potęp technologiczny i nakłady energetyczne w rolnictwie do 2020 r. IBMER, Warszawa 2003.

Tabor S. Ocena efektywności postępu naukowo-technicznego w rolnictwie Małopolski. Inżynieria Rolnicza. Nr 1 (21). 2001, s. 321–326.

Woźniak A. Relacje przestrzenne w infrastrukturze i technicznym wyposażeniu rolnictwa w

woje-wództwie małopolskim. Rozprawa habilitacyjna nr 7. Polskie Towarzystwo Inżynierii

Rol-niczej. 2001, s. 9–50.

Wójcicki Z. Prognozy przemian w rolnictwie i technice rolniczej w kontekście integracji Polski

z UE. Wieś Jutra, 2002, 11.

Wójcicki Z., Michałek R. Uwarunkowanie przemian w rolnictwie polskim do 2020 roku. Inżynie-ria Rolnicza 6(39), Warszawa 2002.

http://www.arimr.gov.p z dnia 22.09.2009

Dr inż. Jakub Sikora Uniwersytet Rolniczy w Krakowie Instytut Inżynierii Rolniczej i Informatyki 30-149 Kraków ul. Balicka 116B Tel. (012) 662 4660 e-mail: Jakub.Sikora@ur.krakow.pl Recenzent: Prof. dr hab. Jerzy Gruszczyński